144x Filetype PDF File size 0.28 MB Source: media.neliti.com
Penerapan Logika Fuzzy dan Pulse Width Modulation untuk Sistem Kendali Kecepatan Robot Line Follower Applying Fuzzy Logic and Pulse Width Modulation for Speed Control System of Line Follower Robot Ahyar Supani, Azwardi Teknik Komputer Politeknik Negeri Sriwijaya, Jalan Srijaya Negara Bukit Besar Palembang Sumatera Selatan Email: ahyarsupani@polsri.ac.id ________________________________________________________________________________ Absract One obstacle faced by line follower robot (LF) is a drived-motor speed control when it turns to right/left following a sharp turn, a medium turn, a less turn and no line. The obstacle is robot LF that always drive a left or right wheel with maximum speed. This obstacle is overcome by applying a fuzzy logic computing values of on/off motor while turning. 0 0 And then applying the PWM is to set time of on/off motor. The experiment with angles of 90 and 45 resulted a maximum wheel speed of robot and the other got two speeds; 14,5 % and 43,1 % of the maximum. The experiment with 0 angle of 10 resulted a maximum robot wheel speed and the other is 43,1 % of maximum. Keywords : fuzzy, pulse width modulation, robot wheel speed Abstrak Satu kendala robot line follower (LF) yaitu kendali kecepatan putaran saat belok mengikuti garis belok tajam, belok sedang, belok sedikit, dan tidak ada garis. Kendala tersebut adalah robot LF selalu menggerakkan satu roda saja kiri atau kanan dengan kecepatan maksimum. Kendala ini diatasi dengan menerapkan logika fuzzy untuk mengkomputasi nilai on/off motor saat belokan garis tajam, belokan sedang, dan sedikit. Selanjutnya penerapan Pulse Width Modulation 0 0 untuk mengatur sinyal lamanya waktu on/off motor. Pengujian dengan sudut 90 dan 45 menghasilkan satu roda 0 kecepatan maksimum, satu roda lagi mengalami dua kecepatan 14,5 % dan 43,1 % dari maksimum. Pengujian sudut 10 satu roda kecepatan maksimum dan satu roda 43,1% dari maksimum. Kata kunci : fuzzy, pulse width modulation, kecepatan roda robot ________________________________________________________________________________ 1. Pendahuluan diterapkan untuk menyusun spesifikasi mobile robot berdasarkan kebutuhan rancangan kendali Perkembangan teknologi robot dewasa ini banyak navigasi Kontes Robot Cerdas Indonesia 2006 membantu pekerjaan manusia seperti yang dipakai lintasannya dalam ruangan, navigasinya di industri sebagai lengan robot (robot arm), berdasarkan jarak dan kompas, ada juga penelitian namun ada juga robot yang dikembangkan dalam menerapkan logika fuzzy untuk rancangan kontes robot misalnya robot seni, robot sepakbola, kontroler untuk robot bergerak yang dibangun oleh robot penghindar tabrakan sekaligus pencari dan Shukla dan Tiwari [4] yang dikembangkan adalah pemadam api. Dalam perkembangannya, robot hubungan matematika dan geometri antara semakin kian banyak diteliti di perguruan tinggi koordinat 3 dimensi dan 2 dimensi, untuk untuk meningkatkan kepintaran (smart) robot [1], peningkatan kepintaran robot bergerak dilakukan penelitian memformulasikan lintasan robot oleh Supani [5] dengan navigasi gerak robot berdasarkan metode formal Logic Temporal Linier berdasarkan jarak penghalang dengan robot (LTL) oleh Irvan Lewenusa, Wisnu Ananta tersebut. Pengembangan kendali pintar robot Kusuma [2] dan penelitian Widiyanto [3] LTL lengan juga telah dikembangkan oleh Bachir _______________ Ouamri dan Zubir Ahmed [6] yang menyajikan kendali lengan robot Puma 600 menggunakan Received: 30 Januari 2015; Revised: 14 Februari 2015; Adaptive Neuro Fuzzy Inference System (ANFIS) Accepted: 15 April 2015 ; Published online: 10 Juli 2015 yang berbasiskan Controller Torsi ©2015 INKOM 2015/15-NO405 Terkomputerisasi. Penerapan controller fuzzy pada INKOM, Vol. 9, No. 1, Mei 2015: 1-10 motor DC mesin pembuat gerabah di Desa Nguri Sensor_1 Vcc=5V comparator_1 Kecamatan Lambeyan Kabupaten Magetan untuk mengatur putaran 100 rpm – 250 rpm motor oleh R3=100 R1=330 R2=10k Resmana et al, [7], dan juga pengaturan motor Photo 2 4 IR_LED_1 dioda 1 LED_1 induksi lebih cepat dan halus [8] dan Vin1 katoda Trimpot 1 Vo1 pengembangan lanjut oleh Andriansyah [9] 20k Vref. 3 11 perancangan robot bergerak berbasis perilaku mahluk hidup menggunakan Particle Swarm Fuzzy Sensor_2 Vcc=5V comparator_2 Controller. Vcc R6=100 R4=330 R5=10kΩ Pada tulisan ini, pengembangan robot LF terus GND IR_LED_2 Photo 6 4 LED_2 ditingkatkan kepintarannya, karena kelemahan dioda 2 Vin2 7 Vo2 P1.0 robot LF selama ini adalah tidak ada kendali Vref. 5 11 kecepatan gerak kedua motor ketika belok dan P1.1 Sensor_3 Vcc=5V comparator_3 hanya satu roda saja yang bergerak baik belok P1.2 tajam, sedang, sedikit. Pada tulisan ini telah P1.3 R9=100 menerapkan logika fuzzy untuk komputasi R7=330 R8=10k socket IR_LED_3 Photo 9 4 LED_3 masukan dari lintasan yang menghasilkan nilai dioda 3 Vin3 10 8 Vo3 kontrol on/off motor, dimana masukan dibagi Vref. 11 menjadi beberapa kelompok yaitu “belok kanan IC op_amp 324 tajam”, “belok kanan sedang”, “belok kanan Sensor_4 Vcc=5V comparator_4 sedikit”, “lurus”, “belok kiri tajam”, “belok kiri R12=100 sedang”, “ belok kiri sedikit”, “cari garis”. R10=330 R11=10k Kemudian Pulse Width Modulation (PWM) IR_LED_4 Photo 13 4 LED_4 dioda 4 Vin4 mengatur lamanya suplai tegangan motor roda 12 14 Vo4 Vref. 11 robot LF saat belok dan lurus. Luaran selanjutnya mengamati gerak putar roda robot saat belok. Gambar 2. Empat pasang sensor masukan Dalam tulisan ini, mikrokontroller yang telah digunakan adalah AT89S52 sebagai mesin robot Pada Gambar 2 rangkaian sensor dan LF dan compiler C [10]. Sedangkan sensor garis komparator terdiri atas empat sensor dan empat masukan yang digunakan adalah Infra_Red Led komparator. Sensor memiliki komponen IR_LED dan photo dioda, untuk pengatur penggerak robot (infra red) dan photo dioda, dimana fungsi LF menggunakan L293D yang dihubungkan ke IR_LED memancarkan sinar yang memiliki sinyal motor. dan photo dioda berfungsi menerima sinar. Prinsip kedua komponen ini diterapkan pada robot 2. Sistem robot LF pengikut garis (line follower), robot akan mengikuti garis yang diberi warna hitam. Warna Rancangan diagram blok robot LF telah hitam ini akan menyerap cahaya, bila garis digambarkan pada Gambar 1, robot LF terdiri atas berbelok maka salah satu sensor tidak mengenai tiga bagian yaitu masukan (input), proses dan garis mengakibatkan sensor tersebut menerima keluaran (output). cahaya pada photo dioda dan diteruskan ke Masukan berupa sensor garis yang masukan sistem robot line follower. Sistem robot menggunakan infrared dan photo diode yang line follower ditanamkan pada mikrokontroller terdiri atas 4 pasang sensor. (embedded system) yang akan mengatur putaran gerak motor kiri dan kanan. Input Proses output Rangkaian sensor, jika dihalangi maka photo Penggerak Roda dioda tidak mendapatkan cahaya sehingga titik Proses Algoritma : - Roda kiri gerak searah jarum jam - Belok, lurus, cari garis - Roda kanan gerak searah jarum jam katoda photo dioda bertegangan 5 V atau logika 1 Sensor Garis - Logika Fuzzy - kedua roda gerak searah jarum jam pada Gambar 2 sebaliknya tegangan 0 V jika tidak - PWM - cari garis berputar 180° Sistem Minimum - roda berputar cepat, sedang, lambat dihalangi. Logika 1 ini diteruskan pada masukan Mikrokontroler L293D komparator inverting dan dibandingkan dengan Gambar 1. Diagram blok robot LF tegangan referensi Vref yang tak membalik. Masukan komparator terhubung langsung Empat masukan sensor digambarkan pada dengan katoda photo dioda, perubahan logika Gambar 2. tinggi dan rendah pada katoda photo dioda dibandingkan oleh komparator dengan tegangan referensi trimpot Vref. Adapun persamaan 2 • INKOM, Vol. 9, No. 1, Mei 2015: 1-10 perbandingan sebagai berikut. Kita ambil contoh untuk menggunakan memori internal sebaliknya sensor 1 dan komparator 1 pada Gambar 2. jika dihubungkan ke ground (GND) maka Kondisi Vin1 logika 1 (tinggi), maka mikrokontroller menggunakan memori eksternal Vin1 > Vref., maka Vo1 berlogika 1 (tinggi) dari alamat 0000h sampai dengan FFFFh. Kondisi Vin1 logika 0 (rendah), maka Driver yang dipakai pada robot LF ini pada Vin1 < Vref, maka Vo1 berlogika 0 (rendah) Gambar 3 yang bergabung dengan sistem Kondisi Vin1 = Vref, maka Vo1 berlogika 0 minimum menggunakan tipe IC L293D, yang (rendah) memiliki 16 pin, sebenarnya driver-motor ada dua Bagian proses adalah untuk memproses tipe IC yaitu L293D dengan 16 pin dan L293DD algoritma gerak robot LF dengan menerapkan dengan 20 pin. Untuk menyederhanakan logika Fuzzy dan PWM. Logika fuzzy dan PWM pemakaian sebagaimana dua bridge yang masing- ditanamkan di mikrokontroler yang berupa masing pasangan chanel dilengkapi sebuah input perintah program. Bagian proses ini adalah enable. Sebuah input supply terpisah yang perangkat keras yang berupa sistem minimum disediakan untuk logik, yang memperbolehkan mikrokontroler dimana mikrokontroler yang operasi pada tegangan rendah dan termasuk dioda digunakan adalah AT89S52, maka sistem clamp internal. Perangkat ini cocok untuk minimumnya adalah AT89S52 seperti Gambar 3. pemakaian aplikasi pensaklaran pada frekuensi 5 k Saklar ON Hz. Baterai (+) 1000μF Tabel 1 adalah tabel kebenaran L293D yang KE SENSOR DAN KOMPARATOR LM324 7805 7805 7812 PIN PIN PIN PIN socket 14 8 7 1 GND Vcc merupakan panduan untuk menggerakkan motor. P1.3 P1.2 P1.1 P1.0 Vcc 5 V 1 40 Tabel 1. Tabel kebenaran drive-motor L293D Saklar 39 reset 2 100 Ω 3 38 Enable 1=pin 1, enable 2= pin9 4 37 10μF 5 36 MOSI 35 oader 6 aksi motor MISO 34 7 SCK 33 in1 in2 in3 in4 8 RST 9 32 kanan kiri Vcc 10 S5231 DB25 untuk downl AT89 GND 11 30 1 0 0 1 cw cw 12 29 10KΩ SOCKET 13 28 1 16 HEADER 14 27 2 15 0 0 0 1 off cw 15 26 3 D 14 16 25 4 13 L293 17 24 5 12 1 0 0 0 cw off 33pF 18 23 6 11 19 22 7 10 XTAL 0 0 0 0 off off 12 MHz 20 21 8 9 33pF 0 1 1 0 ucw ucw 1 0 1 0 cw ucw Suplai tegangan motor Motor kanan 0 1 0 1 ucw cw (4,5 V s/d 36 V) Motor kiri M M keterangan: cw:clockwise, ucw:unclockwise, off:motor 1pF 1pF 1pF 1pF tidak bergerak Gambar 3. Sistem minimum AT89S52, driver-motor 3. Algoritma logika fuzzy untuk robot LF IC AT89S52 pada Gambar 3 mempunyai empat Lofti Zadeh mengembangkan logika fuzzy pada buah port yang dapat digunakan sebagai masukan tahun 1964, dasar pemikirannya adalah tidak ada dan keluaran. Sebelum menggunakan IC keadaan yang hanya selalu bernilai “benar” dan Mikrokontroler AT89S52 ini langkah yang harus “salah” atau “on” dan “off”, tetapi ada gradasi nilai dipersiapkan adalah membuat rangkaian sistem diantara dua nilai ekstrim tersebut. Dengan minimum AT89S52 yang terdiri atas memperhatikan kenyataan ini, kita memerlukan mikrokontroller dan osilator, osilator dirangkai penggeseran skala variabel yang dapat diukur dengan menggunakan kristal (XTAL) 12 MHz dan sebagai bagian dari “on” dan sebagian dari “off” dua kapasitor yang masing-masing 30pF. Sistem atau sebagian besar “benar” dan sebagian “salah”. minimum ini berguna untuk menanamkan Teori himpunan klasik berdasarkan pada logika kepintaran robot dalam algoritma Fuzzy dan PWM ekstrem yang menetapkan objek sebagai anggota yang diilustrasikan dalam program (source code). atau bukan anggota himpunan. Sebaliknya, pada Pada Gambar 3 sistem minimumnya adalah logika fuzzy, suatu objek dapat menjadi anggota hilangkan IC driver L293D dan motor DC, pada banyak himpunan dengan derajat rangkaian reset boleh ada atau tidak. Setelah keanggotaan berbeda-beda pada masing-masing mendapatkan sebuah rangkaian sistem minimum himpunan. Derajat keanggotaan pada suatu yang lengkap, sistem minimum AT89S52 ini akan himpunan didasarkan pada skala 0 sampai dengan dioperasikan sebagai input sekaligus sebagai 1 dan menetapkan 1 sebagai keanggotaan lengkap output pada keseluruhan rangkaian mikrokontroler dan 0 sebagai tidak ada keanggotaan. ̅̅̅̅ AT89S52. Pin 31 ( /Vpp) dihubungkan ke Vcc Penerapan Logika Fuzzy dan Pulse Width Modulation untuk Sistem Kendali … : Ahyar Supani, Azwardi • 3 Pelopor aplikasi logika fuzzy dalam bidang Setelah masukan dan keluaran kontrol, yang merupakan aplikasi pertama dan didekomposisikan ke dalam himpunan fuzzy, kita utama dari logika fuzzy adalah Prof. Ebrahim memerlukan basis aturan yang mengatur tingkah Mamdani dkk dari Queen Mary College London. laku sistem tiap kombinasi masukan. Masing- Penerapan kontrol logika fuzzy secara nyata di masing aturan terdiri atas satu kondisi dan satu industri banyak dipelopor para ahli dari jepang, tindakan. Kondisi diintepretasikan dari masukkan misalnya Prof. Sugeno dari Tokyo Institute of himpunan fuzzy dan tindakan ditentukan oleh Technology. Aplikasi logika fuzzy hampir tak keluaran himpunan fuzzy. Suatu himpunan aturan terbatas, misalnya untuk kontrol proses, proses yang mempresentasikan semua kombinasi produksi, robotika, manajemen skala besar, teknik masukkan bisa di-set up dalam suatu matriks yang sipil, kimia, transportasi, kedokteran maupun disebut Fuzzy Associative Memory (FAM) atau ekonomi. Pengaturan (control) sistem non linier system fuzzy berbasis aturan. yang mengandung sejumlah informasi padat Aturan suatu sistem logika fuzzy sesungguhnya memerlukan pengintegrasian sistem secara cepat disusun sebagai suatu aturan yang mewakili dan dapat diterapkan dengan menggunakan logika pengetahuan sistem tersebut. Agar dapat fuzzy. Suatu keluaran dihitung berdasarkan nilai menyatakan pengetahuan, pengaturan berbasis keanggotaan yang diberikan oleh masukkan fuzzy logic menggunakan variabel linguistik dalam sesudah dikonfigurasikan dalam kumpulan aturan menuliskan aturan yang diperlukan. Pada fuzzy. Sebelum menjadi keluaran sistem, sistem kecerdasan buatan, ada berbagai cara untuk memerlukan tiga transformasi untuk masukan mempresentasikan pengetahuan. Bentuk dari sistem Gambar 4. Switch-case merupakan pernyataan yang dirancangan khusus untuk menangani pengambilan keputusan yang melibatkan sejumlah atau banyak masukan fuzzifikasi kumpulan aturan defuzzifikasi keluaran dasar fuzzy alternatif penyelesaian. Pernyataan switch-case ini memiliki kegunaan sama seperti if–else bertingkat, Gambar 4. Sistem himpunan fuzzy meskipun Switch didesain untuk mengganti If-Else, Fuzzifikasi adalah proses dekomposisi suatu akan tetapi Switch memiliki batasan: masukan dan atau keluaran sistem kedalam satu 1. Data yang diperiksa haruslah bertipe Integer (int) atau lebih himpunan fuzzy. Fungsi keanggotaan atau Karakter (char). yang dapat digunakan berbentuk macam-macam 2. Range data yang diperiksa bernilai 0 s/d 255. jenis kurva, tetapi bentuk segitiga pada Gambar 5 berikut adalah bentuk paling umum yang Bentuk penulisan perintah ini sebagai berikut : digunakan untuk sistem pengaturan. Switch (value) { case constanta 1// akan dicocokkan dengan isi value: statement 1; //pernyataan yang akan di kerjakan jika value cocok dengan salah satu (a) (b) (c) data dari constanta break; //perintah Gambar 5. Himpunan fuzzy untuk mengakhiri statement....etc default : statement x;// bersifat Gambar 5 diatas menunjukkan suatu sistem optional. dieksekusi jika value tidak himpunan fuzzy untuk system navigasi mobile cocok dengan salah satu constanta robot, dengan satu masukan (a) dan dua keluaran yang tersedia} (b) dan (c). Fuzzifikasi adalah proses pembuatan besaran fuzzy Secara umum, ada tiga bentuk umum untuk dari besaran crisp yang dapat dilakukan secara setiap variabel linguistik, yaitu: sederhana, yakni dengan menandai banyaknya a. Pernyataan penunjukan (assignment statement) besaran yang dianggap crisp dan tertentu. x = kiri warna = biru Sebenarnya, tidak semua besaran tertentu, tetapi x adalah tidak besar dan tidak kecil ada besaran yang tidak tentu. Jika ketidaktentuan b. Pernyataan kondisional (conditional statement) muncul karena ketidakpresisian, kerancuan, atau Keluaran Suhu = panas ketidaksengajaan, maka kemungkinan besarannya Putaran motor = cepat adalah fuzzy dan dapat dinyatakan oleh fungsi c. Perrnyataan bukan kondisional (Unconditional keanggotaan. statement) 4 • INKOM, Vol. 9, No. 1, Mei 2015: 1-10
no reviews yet
Please Login to review.